[发明专利]基于CEEMDAN与随机森林的中长期径流预测方法在审
申请号: | 201910489151.0 | 申请日: | 2019-06-06 |
公开(公告)号: | CN110263829A | 公开(公告)日: | 2019-09-20 |
发明(设计)人: | 赵雪花;桑宇婷;祝雪萍;蔡文君 | 申请(专利权)人: | 太原理工大学 |
主分类号: | G06K9/62 | 分类号: | G06K9/62;G06Q10/04 |
代理公司: | 太原市科瑞达专利代理有限公司 14101 | 代理人: | 申艳玲 |
地址: | 030024 山西*** | 国省代码: | 山西;14 |
权利要求书: | 查看更多 | 说明书: | 查看更多 |
摘要: | |||
搜索关键词: | 径流 预测 随机森林 测试样本 序列分解 序列预测 训练样本 预测技术 预测结果 预测性能 重构 参考 | ||
1.基于CEEMDAN与随机森林的中长期径流预测方法,其特征在于该方法包括:
步骤一:获取径流序列x(t),并将其分为训练样本和测试样本;
步骤二:利用CEEMDAN将径流序列分解为若干平稳的IMF分量和一个趋势项;
步骤三:将IMF分量及趋势项分别输入RF进行预测;
步骤四:将各IMF分量及趋势项的预测结果重构,得到最终径流序列预测值。
2.根据权利要求1所述的基于CEEMDAN与随机森林的中长期径流预测方法,其特征在于:步骤二所述利用CEEMDAN将径流序列分解为若干平稳的IMF分量和一个趋势项,具体包括以下步骤:
(1)对原始径流序列添加高斯白噪声形成总体分解信号:
xi(t)=x(t)+ε0ωi(t)
式中,ε0表示控制所添加噪声和原始信号信噪比的噪声系数,ωi(t)(i=1,2,…I)表示一组均值为0、方差为1的高斯白噪声,其中I表示集总次数,即实现I次EMD分解;其中x(t)为原始径流序列,xi(t)为原始径流序列添加高斯白噪声之后的序列;
(2)通过EMD重复分解过程I次,计算总体平均值,并将其定义为原始信号的第一个IMF分量IMF1(t),即:
式中,IMFi(t)(i=1,2,…,I)为第i个EMD分解结果,I为重复EMD分解的次数;
(3)计算一阶残差r1(t):
r1(t)=x(t)-IMF1(t)
式中,x(t)为原始径流序列,IMF1(t)为第一个IMF分量;
(4)对一阶残差添加特定噪声后再次进行EMD分解,求取平均值得到第二个IMF分量IMF2(t),即:
式中,ε1表示控制所添加噪声和一阶残差信噪比的噪声系数,ωi(t)(i=1,2,…I)表示一组均值为0,方差为1的高斯白噪声,其中I表示集总次数,即实现I次EMD分解,E1(·)为求取分量过程中定义好的算子;
(5)计算k阶残差rk(t):
rk(t)=rk-1(t)-IMFk(t)
式中,rk-1(t)为第k-1阶残差,IMFk(t)为第k个IMF分量;
(6)对k阶残差添加特定噪声后再次进行EMD分解后,求取平均值得到第k+1个IMF分量IMFk+1(t),即:
式中,εk表示控制所添加噪声和k阶残差噪比的噪声系数,Ek(·)为求取分量过程中定义好的算子;
(7)重复(5)和(6)步,直至残差不能分解,从而求得最终残差R(t):
(8)则原始序列x(t)的表达式为:
式中,K代表在给定精度下原始序列分解出的IMF分量总个数。
3.根据权利要求1所述的基于CEEMDAN与随机森林的中长期径流预测方法,其特征在于:
步骤三所述将IMF分量及趋势项分别输入RF进行预测,具体包括以下步骤:将步骤二分解出的各IMF分量及趋势项,分为与原始径流序列长度相同的训练样本及测试样本,再将各子序列训练样本输入RF进行模型训练,寻找最优参数,最后采用建立好的模型预测各子序列的测试样本。
4.根据权利要求3所述的基于CEEMDAN与随机森林的中长期径流预测方法,其特征在于:所述的模型训练过程为:设M为RF输入数据长度,m为RF输出数据长度,基于此,对训练样本进行滚动预测来确定模型的最优参数,其中m<M<训练样本长度,m等于测试样本长度,即RF输出数据长度等于测试样本长度。
该专利技术资料仅供研究查看技术是否侵权等信息,商用须获得专利权人授权。该专利全部权利属于太原理工大学,未经太原理工大学许可,擅自商用是侵权行为。如果您想购买此专利、获得商业授权和技术合作,请联系【客服】
本文链接:http://www.vipzhuanli.com/pat/books/201910489151.0/1.html,转载请声明来源钻瓜专利网。
- 上一篇:一种油浸式电抗器故障诊断方法
- 下一篇:图像处理方法、装置和系统及存储介质